Publicación semestral • ISSN 2683-2968 • Marzo 2023 • Número de revista 7
DOI de la revista: https://doi.org/10.22201/dgtic.26832968e
DOI del número: https://doi.org/10.22201/dgtic.26832968e.2023.7
Publicación semestral • ISSN 2683-2968 • Marzo 2023 • Número de revista 7
DOI de la revista: https://doi.org/10.22201/dgtic.26832968e
DOI del número: https://doi.org/10.22201/dgtic.26832968e.2023.7
DOI del artículo: https://doi.org/10.22201/dgtic.26832968e.2022.7.2
El avance en el espacio y tiempo de la COVID-19, en México y en el mundo, es difícil de predecir debido a un amplio espectro de factores; desde los biológicos a los asociados con la toma de decisiones en múltiples niveles, desde el personal hasta el gubernamental. Una forma de entender este fenómeno es analizando una gran cantidad de datos que describen condiciones y factores de la sociedad y sus interacciones. Si bien estos datos son públicos, y de fácil acceso, ¿qué puede hacer una persona con ellos? Para convertir los datos en una herramienta de interés público y de toma de decisiones podemos integrarlos a una plataforma que facilite construir y/o consultar modelos que extraigan la información pertinente de los datos disponibles. Este es el objetivo de EpI-PUMA: poner a disposición del público en general una plataforma pública de Servicio (“Platform-as-a-Service” - PaaS) que integra datos de diversa índole, y genera modelos adaptativos de aprendizaje de máquina, que facilitan el estudio y predicción del comportamiento de fenómenos epidemiológicos. Con el estudio de la pandemia de COVID-19 se sientan las bases de EpI-PUMA como PaaS orientado a la inteligencia epidemiológica.
Palabras clave: Democratización de datos (información), Acceso abierto, Toma de decisiones; Inteligencia Híbrida; Aprendizaje de máquina; Sistemas Complejos; Adaptación; PaaS.
EpI-PUMA: A University Platform for Epidemiological Intelligence for SARS-CoV-2, Version 1.0
The evolution in time and space of COVID-19, in both Mexico and the world, is difficult to predict due to a wide spectrum of factors, from the biological to those associated with decision making at multiple levels - from the individual to the governmental. One way to attack the problem is through the analysis of “big data” that describes the relevant factors and conditions, and their interactions, that affect the pandemic. If these data are public and easy to access: What could a person do with them? To convert such data into a tool of public interest for decision making, one can integrate them into a platform that facilitates the construction and consultation of prediction models that extract relevant information from these data. This is the objective of EpI-PUMA: to make available to the general public a system in a format - Platform-as-a-Service (PaaS) - that integrates different data sources and generates adaptive machine learning models. EpI-PUMA facilitates the analysis and prediction of important epidemiological metrics offering epidemiological intelligence to the public and decision makers.
Keywords: Data democratization; open Access; decision making; Hybrid intelligence; machine learning; complex systems; adaptation; PaaS.
Fecha de recepción: 09 de diciembre de 2021
Fecha de publicación: marzo de 2023